一种分区BP人工神经网络图像差值算法

doi:10.3969/j.cnki.jdxb.2016.03.007

吉首大学学报（自然科学版）

一种分区BP人工神经网络图像差值算法

钱育蓉，于炯，英昌甜，杨兴耀

（新疆大学软件学院，新疆乌鲁木齐 830008）

出版日期:2016-05-25 发布日期:2016-06-24
作者简介:钱育蓉（1980—），女（满族），山东德州人，新疆大学软件学院副教授，博士，主要从事图像处理、网络计算研究；于炯（1964—），男，新疆乌鲁木齐人，新疆大学软件学院教授，博士生导师，主要从事网络计算研究.
基金资助:
国家自然科学基金资助项目（61462079，61363083，61262088）；新疆维吾尔自治区青年博士科技人才创新项目（2013731004）；新疆维吾尔自治区高校科研计划项目（XJEDU2012I10）；新疆维吾尔自治区自然科学基金资助项目（2013211A011，2011211A011）

Regional Image Interpolation Algorithms with Back-Propagation Artificial Neural Network

QIAN Yurong，YU Jiong，YING Changtian，YANG Xingyao

(School of Software，Xinjiang University，Urumqi 830008，China)

Online:2016-05-25 Published:2016-06-24

摘要/Abstract

摘要：

为了提高图像插值质量，利用前向反馈人工神经网络（BP-ANN）的自学习、自适应和泛化能力，开展分区BP-ANN图像差值研究.将图像中待插值像素划分为光滑区和边缘区，每个区分别对应1个BP-ANN进行图像差值操作，并通过3组实验确定分区BP-ANN的网络结构、采点模式和插值流程.结果表明，采用8-16-1拓扑结构的BP-ANN算法可达到图像的可视化质量和时间之间的最佳平衡点；与经典线性均值（LA）图像插值算法相比，分区BP-ANN算法在保持最佳视觉效果的前提下，峰值性噪比高约0.593 8 dB.

关键词： 插值, 前向反馈人工神经网络, 线性均值插值, 峰值性噪比, 网络拓扑

Abstract:

In order to improve the quality of image interpolation，back-propagation artificial neural network (BP-ANN) with self-learning，adaptive and generalization ability has been used to carry out the regional image interpolation research.Missing pixel in image is divided into smooth region and edge region，each region corresponding to a BP-ANN interpolation operation.To identify the topology structure，sampling mode and the interpolation process of regional BP-ANN，three experiments were performed.The experimental results show that best balance between CPU-time consumption and visual quality lies in 8-16-1 topology of BP-ANN;compared with the classical LA interpolation algorithm，our proposed algorithm provides 0.593 8 dB higher PSNR while performed better visual quality.

Key words: interpolation, back propagation artificial neural network, linear average interpolation, peak signal to noise radio, network topology

钱育蓉，于炯，英昌甜，杨兴耀. 一种分区BP人工神经网络图像差值算法[J]. 吉首大学学报（自然科学版）, DOI: 10.3969/j.cnki.jdxb.2016.03.007.

QIAN Yurong，YU Jiong，YING Changtian，YANG Xingyao. Regional Image Interpolation Algorithms with Back-Propagation Artificial Neural Network[J]. Journal of Jishou University（Natural Sciences Edition), DOI: 10.3969/j.cnki.jdxb.2016.03.007.

[1]	陈乾明, 张志威, 李明皓, 汪旭明, 雷可君. 基于MSLDSMC窗的谐波与间谐波参数估计算法[J]. 吉首大学学报（自然科学版）, 2023, 44(6): 20-27.
[2]	李明皓, 汪旭明, 张志威, 谭宇豪, 雷可君. 基于经典余弦窗三谱线插值FFT的谐波参数估计[J]. 吉首大学学报（自然科学版）, 2022, 43(3): 38-43.
[3]	韩粉, 杨奋林. 基于新非线性多重网格法的图像去噪[J]. 吉首大学学报（自然科学版）, 2022, 43(1): 38-42.
[4]	帅国祥, 汪旭明, 张志威, 彭昊. 基于高阶矩形卷积窗的多频信号参数估计[J]. 吉首大学学报（自然科学版）, 2021, 42(4): 55-58.
[5]	曾庆立, 洪志伟, 丁雷. 基于双三次插值的鱼眼图像校正[J]. 吉首大学学报（自然科学版）, 2021, 42(2): 45-49.
[6]	黎红，王宏勇. 基于改进的分形插值与SVM的股指预测模型[J]. 吉首大学学报（自然科学版）, 2018, 39(3): 14-19.
[7]	姜英军, 邹莳珺. 带非连续解椭圆问题的3次Hermite配点方法[J]. journal6, 2013, 34(4): 16-18.
[8]	邓益军. 变系数三二次长方体有限元解最大模的超逼近[J]. journal6, 2010, 31(3): 26-28.
[9]	徐艳, 陈巍, 崔利宏. Π_k(R²)空间插值适定结点组的构造[J]. journal6, 2010, 31(2): 22-24.
[10]	夏颖, 许贵桥. 一种拟Grünwald插值算子在B_a,Φ空间中的收敛速度[J]. journal6, 2009, 30(4): 19-22.
[11]	崔利宏, 牛辉. 多项式理想在三元插值中的应用[J]. journal6, 2009, 30(2): 13-15.
[12]	苏国荣, 杨松林. 光滑曲面片上的G¹插值曲线[J]. journal6, 2008, 29(5): 30-33.
[13]	崔利宏, 杨爽. 二元Birkhoff插值泛函组适定性问题[J]. journal6, 2008, 29(4): 14-17.
[14]	崔利宏, 冯大雨. 二元插值的几何特征与插值结点平面构形[J]. journal6, 2008, 29(1): 18-21.
[15]	崔利宏, 刘丽丹, 赵富春. 一个定义于三角域上的二元三次插值问题[J]. journal6, 2007, 28(6): 1-3.

一种分区BP人工神经网络图像差值算法

Regional Image Interpolation Algorithms with Back-Propagation Artificial Neural Network

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价